面向动物姿态估计的跨域自适应方法

本文关注动物的姿态估计问题。动物通常表现出广泛的姿态变化，且目前没有可用的动物姿态数据集用于训练和测试。为解决该问题，我们构建了一个动物姿态数据集以促进训练和评估。考虑到标注数据集需要大量人工劳动，且不可能为所有相关动物物种标注数据，我们提出了一种新颖的跨域自适应方法，将已标注动物类别的姿态知识迁移到未标注动物类别。我们利用规模有限的动物姿态数据集将学到的知识适配到多种动物物种。此外，人类与某些动物（尤其是四足哺乳动物）在骨骼上具有相似性。因此，易于获取且规模远大于我们所标注动物数据集的人体姿态数据集，提供了重要的先验知识以提升动物姿态估计的性能。实验表明，我们提出的方法能很好地利用这些先验知识，并在动物姿态估计上取得了令人信服的结果。